指数平滑技术改进灰色沉降预测模型及应用

GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。该文将指数平滑技术引入到灰色预测模型中,该方法既充分利用了观测序列中的有用信息,又大大减少其随机性,采用平均斜率法对灰色模型的背景值计算方法进行了改进,将原始观测数据序列变换成规律性强的呈指数变化的序列。某公路试验段实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。     

软土路基分级加载沉降预测模型及应用

沉降量和沉降速率控制是路堤工程设计的关键性问题.由于固结理论的局限性和参数的不确定性,理论预测的精度较低,而基于现场实测资料的观测法显示出较高的精度,但是现有的大多数计算方法只能适用于一级荷载下沉降预测.在灰色理论的基础上发展了一种预测地基分级加载沉降预测的方法,结合某拓宽改造工程实例进行了沉降预测分析.     

软土路基分级加载沉降预测模型及应用

沉降量和沉降速率控制是路堤工程设计的关键性问题.由于固结理论的局限性和参数的不确定性,理论预测的精度较低,而基于现场实测资料的观测法显示出较高的精度,但是现有的大多数计算方法只能适用于一级荷载下沉降预测.在灰色理论的基础上发展了一种预测地基分级加载沉降预测的方法,结合某拓宽改造工程实例进行了沉降预测分析.     

青藏铁路路基沉降变形的灰色预测模型研究

灰色系统预测模型的本质是对已知数据序列进行类型为指数形式的曲线拟合,然后将曲线延伸到未来,由此对未知的数据做出预测。介绍所建立的青藏铁路路基沉降变形的灰色预测GM(1,l)模型,试验应用表明,该模型具有较高的预测精度。     

基于灰色模型的高速公路路基沉降预测

在公路施工过程中,路基施工质量的好坏是确保公路施工质量的关键,为确保路基施工质量,必须掌握路基沉降的变化情况,特别是要能够较为合理地预估路基沉降的变化情况.文中利用灰色系统理论建立GM(1,1)灰色预估模型及其残差模型,并应用于某高速公路路基沉降变形预测中,预测结果和实测结果能较好地吻合,验证了预估模型的精度和预测方法的可行性.     

灰色模型在软土路基沉降预测中的应用

对软土地基沉降计算的曲线拟合法及单步灰色预测法进行探讨,以徐宿高速公路实测资料进行分析,比较其方法的特点,为准确预测软土地基的沉降量提供方法上的参考。     

基于灰色理论桥梁群桩基础工后沉降的预测

基于灰色系统理论,应用其等时距GM(1,1)模型及改进的新陈代谢模型对沉降进行预测,通过与蕴藻浜特大桥一墩的沉降观测资料的对比分析,证明文中提出的工后沉降灰色理论预测方法,在工程实际中是可行的。     

基于多变量灰色模型的路基沉降预测

路基沉降变形是一个复杂的动态变化过程,常用的单变量预测模型不能考虑各沉降监测点间的相关性,不足以反映路基整体的变形规律。多变量灰色模型是单变量GM(1,1)模型在多元变量条件下的拓展,可以实现对路基中相互影响的多个监测点变形预测模型的建模和预测。实例计算表明,与单变量GM(1,1)模型相比,多变量灰色模型具有更高的预测精度,显示了该方法进行路基工后沉降预测的有效性。     

动态灰色理论模型在路基沉降预测中的应用

详细阐述了灰色模型的基本内容和动态灰色模型的实现,并成功将其应用于陕西省某路段软土地基的沉降预测。实践及理论证明,动态灰色预测模型由于实时加入系统的最新数据,提高灰区间的白度,预测精度比传统灰色模型高,表明动态灰色模型理论正确,精度合格,能够满足实际工程应用。用MATLAB编制了动态灰色模型预测程序,使应用该模型进行预测变得简便易行,大大节省了工作量。     

指数平滑法在路面使用性能预测中的应用

对路面使用性能指标随时间发展规律及其特点进行了研究和分析,指出了传统预测方法的不足,提出指数平滑法,此方法可以提高预测精度。通过实例分析表明,使用该方法可以很好地预测路面使用性能。     

数据处理方法在路堤工后沉降预测中的应用

介绍了3种预测路堤工后沉降的模型及求解方法，并应用于工程实例中；把3种方法得到的结果与实测结果相比较，指出各种方法各有优点，各有其适用情况。     

以最小绝对值法建立沉降组合预测模型及应用

为了更多地利用全部有用信息,采用多种常用预测模型进行组合的预测方法,可根据有限的实测数据达到预测路基沉降的目的。组合预测法的关键是确定组合的权重,在讨论传统组合预测法的基础上,引入最小绝对值法计算权重。工程实例表明,最小绝对值法较其他权重计算法精度更高,有明显的优越性。     

面向运营管理的多粒度省际客运需求预测方法

客运量是表征省际客运需求,开展行业运营管理的基础指标.为增强省际客运行业运营管理水平,提高旅客出行效率和应急保障能力,建立面向省际客运运营管理的年客运量和节假日客运量的多粒度预测模型.在影响因素与省际年客运量关联度分析的基础上,构建基于BP神经网络的年客运量预测模型.考虑特殊节假日的影响特征,提出了指数平滑与季节模型相结合的节假日客运量组合预测模型,实现节假日总客运量、日客运量的预测.以北京的实际数据为例,对预测模型进行精度验证.结果表明,年客运量预测模型的平均相对误差为0.15%,春运期间每日客运量预测模型的平均相对误差为6.7%,能较好地体现客运量在不同阶段的变化趋势,具有良好的稳定性.     

Crash prediction model for two-lane rural highways in the Ashanti region of Ghana

Crash Prediction Models (CPMs) have been used elsewhere as a useful tool by road Engineers and Planners. There is however no study on the prediction of road traffic crashes on rural highways in Ghana. The main objective of the study was to develop a prediction model for road traffic crashes occurring on the rural sections of the highways in the Ashanti Region of Ghana. The model was developed for all injury crashes occurring on selected rural highways in the Region over the three (3) year period 2005–2007. Data was collected from 76 rural highway sections and each section varied between 0.8 km and 6.7 km. Data collected for each section comprised injury crash data, traffic flow and speed data, and roadway characteristics and road geometry data. The Generalised Linear Model (GLM) with Negative Binomial (NB) error structure was used to estimate the model parameters. Two types of models, the ‘core’ model which included key exposure variables only and the ‘full’ model which included a wider range of variables were developed. The results show that traffic flow, highway segment length, junction density, terrain type and presence of a village settlement within road segments were found to be statistically significant explanatory variables (p < 0.05) for crash involvement. Adding one junction to a 1 km section of road segment was found to increase injury crashes by 32.0% and sections which had a village settlement within them were found to increase injury crashes by 60.3% compared with segments with no settlements. The model explained 61.2% of the systematic variation in the data. Road and Traffic Engineers and Planners can apply the crash prediction model as a tool in safety improvement works and in the design of safer roads. It is recommended that to improve safety, highways should be designed to by-pass village settlements and that the number of junctions on a highway should be limited to carefully designed ones.     

基于RS-SVR的上软下硬地层盾构施工地表沉降预测

为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性,建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型,并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先,根据特定地质条件,从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性,采用粗糙集理论的Pawlak属性重要度方法删除冗余数据,获取影响地表沉降的最优条件属性集。在此基础上,基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型,并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响,RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后,利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据,对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集,分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间,地表沉降分类结果与约简前保持一致;同类模型进行横向对比时,RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%,均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差;以同种核函数进行纵向对比时,RS-SVR模型预测误差分别为5.54%、11.48%、13.26%,均低于SVR模型预测误差的13.10%、15.71%、19.68%。     

Inverse neuro-fuzzy MR damper model and its application in vibration control of vehicle suspension system

In this paper, a magneto-rheological (MR) damper-based semi-active controller for vehicle suspension is developed. This system consists of a linear quadratic Gauss (LQG) controller as the system controller and an adaptive neuro-fuzzy inference system (ANFIS) inverse model as the damper controller. First, a modified Bouc–Wen model is proposed to characterise the forward dynamic characteristics of the MR damper based on the experimental data. Then, an inverse MR damper model is built using ANFIS technique to determine the input current so as to gain the desired damping force. Finally, a quarter-car suspension model together with the MR damper is set up, and a semi-active controller composed of the LQG controller and the ANFIS inverse model is designed. Simulation results demonstrate that the desired force can be accurately tracked using the ANFIS technique and the semi-active controller can achieve competitive performance as that of active suspension.